vllm-project/vllm

为Nemotron-3-Super模型添加BF16、FP8和NVFP4量化格式的端到端GSM8K测试。

该PR值得快速浏览以了解Nemotron-3-Super模型的测试配置细节，特别关注YAML文件中的模型命名一致性和CI资源设置。对于工程师，可学习如何集成推测解码到端到端测试中；对于管理者，可视为测试覆盖扩展的常规更新。

拆分 V1 Others CI 作业为三个并行任务，优化测试执行时间。

该 PR 值得快速审查，重点关注配置的正确性和完整性。工程师应验证测试分割逻辑是否合理，确保所有原测试都被包含，并检查 mirror 配置。对于 CI 维护者，这是一个常规优化，可借鉴类似分拆策略。

在 envs.py 中注册 VLLM_BATCH_INVARIANT 环境变量，修复因未注册而导致的未知变量警告。

该 PR 值得快速浏览以了解 vLLM 环境变量注册机制；重点关注 `envs.py` 中的解析实现设计决策，以及从函数到变量的转变对代码结构的影响。对于维护者，建议监控后续是否有因解析问题引发的崩溃报告。

加强MoE专家设备支持检查，防止在未安装FlashInfer内核的平台崩溃。

该PR是一个重要的bugfix，值得精读以理解MoE专家选择机制和设备支持检查的实现。关注_supports_current_device()方法的修改和FlashInfer可用性检查的集成，以及typo修复的设计决策。

修复TRTLLM NVFP4 MoE路由核精度错误，从bfloat16改为float32以提高准确性。

此PR值得快速审阅，变更简单直接，是重要的bug修复。工程师可关注精度管理在量化模型中的设计决策，以及如何通过移除不必要的转换优化准确性。

移除Sparse24模型的压缩张量集成和内核代码，以减少维护负担和二进制大小。

该PR值得快速浏览以了解弃用策略，但无需深究技术细节。关注点在于`CompressedTensors24`类的错误抛出方式和review中的直接删除决策，这对类似功能清理有参考价值。

实现了零气泡异步调度和推测解码优化，提升推理性能约3%。

该PR值得精读，尤其是vllm/v1/worker/gpu_model_runner.py中的异步状态管理逻辑和update_num_computed_tokens_for_batch_change设计。关注点包括：乐观假设与延迟校正的权衡、GPU缓冲区优化以减少同步、以及review中讨论的代码简化路径，这些决策对高性能推理系统设计有重要参考价值。

在MRV2的GPU worker warmup中集成speculative decoding，确保正确初始化和性能。

对于负责GPU worker、speculative decoding或MRV2架构的工程师，值得简要阅读此PR以了解warmup过程的调整。设计决策简洁，主要学习点是避免代码重复和维护一致性，无需深入分析复杂逻辑。